Fugu-MT 論文翻訳(概要): Interpretable Feature Learning for RF Fingerprinting via Polar MKANs

論文の概要: Interpretable Feature Learning for RF Fingerprinting via Polar MKANs

arxiv url: http://arxiv.org/abs/2608.19881v1
Date: Thu, 20 Aug 2026 10:42:33 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-21 20:28:51.53287
Title: Interpretable Feature Learning for RF Fingerprinting via Polar MKANs
Title（参考訳）: 極性MKANを用いたRFフィンガープリントのための解釈可能な特徴学習
Abstract要約: Polar Monotonic Kolmogorov-Arnold Networks (Polar MKAN) は、極性入力上のブロック分割単調エンコーダである。合成ゲインとキャリア周波数オフセットのベンチマークでは、Polar MKANは57.2%のDCI Disentanglementに達する。
参考スコア（独自算出の注目度）: 4.904092547705666
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Radio frequency (RF) fingerprinting authenticates wireless devices from hardware-induced I/Q impairments, typically with deep learning feature extractors that are accurate but opaque, limiting their use in security critical settings. We propose Polar Monotonic Kolmogorov-Arnold Networks (Polar MKAN), a block partitioned monotonic encoder on polar inputs in which each latent dimension depends exclusively on magnitude or phase, yielding channel separation and monotone responses by construction. On a synthetic gain and carrier frequency offset (CFO) benchmark, Polar MKAN reaches 57.2 percent DCI Disentanglement versus at most 12.9 percent for unpartitioned baselines. We further evaluate the detection accuracy trade off on real data and the sensitivity to blind CFO compensation.
Abstract（参考訳）: RF指紋認証(Radio frequency fingerprinting)は、ハードウェアによるI/Q障害から無線デバイスを認証する。本稿では,極性モノトニック・コルモゴロフ・アルノルドネットワーク(Polar Monotonic Kolmogorov-Arnold Networks (Polar MKAN)を提案する。合成ゲインとキャリア周波数オフセット(CFO)のベンチマークでは、Polar MKANは57.2%のDCIアンタングルメントに達し、非分割ベースラインでは少なくとも12.9%に達する。さらに、実データによるトレードオフ検出精度と、盲点CFO補償に対する感度を評価する。

関連論文リスト

RF-VoID: Towards Bandwidth-Efficient Exterior Tile Void Detection via Narrowband Radio-Frequency Representation Learning [26.146393494302547]
ミリ波レーダーは、外装のセラミックタイルの後ろに隠れたデボンドを見つけるための非接触的な方法を提供する。従来の解釈はまずレンジプロファイルを再構成するので、その信頼性は利用可能な帯域幅によって制限される。この研究は、帯域幅を計算のために交換できるかどうかを問うものである。
論文参考訳（メタデータ） (2026-09-11T03:18:37Z)
Where You Tap Matters: A Probe-and-Model Benchmark for Open-Set RF Fingerprinting [2.0299248281970956]
RFFI(Radio Frequency Fingerprint Identification)は、受信した信号からデバイス固有の障害を学習することにより、物理層での送信者識別を可能にする。我々は,標準BPSKレシーバチェーンに沿った5つのプローブポイントで収集されたデータを用いて,オープンセット・リコンストラクション・エラーRFFIの体系的実世界評価を行う。
論文参考訳（メタデータ） (2026-07-23T17:48:38Z)
Stokes-Informed Diffusion for Robust Linear Polarization Estimation [49.459667092743445]
GenPolar(ゲンポーラー)は、ミュラー形式主義を基盤としたストークスインフォームド拡散フレームワークである。 DLPの忠実度とAoPの安定性の両面において最先端の性能を達成する。これらの改善は、物質検出やデフレクションを含む下流アプリケーションにおいて、顕著で一貫した利益をもたらす。
論文参考訳（メタデータ） (2026-07-23T11:56:15Z)
Cross-Receiver Open-Set Radio Frequency Fingerprinting via Structure-First Adaptation [9.457137244448043]
本稿では,RFFIのための構造ファーストトレーニング(CRODA-ST)によるクロスリーチ型オープンセットドメイン適応フレームワークを提案する。識別構造アンカリングは、限定されたラベル付きターゲット登録サンプルからターゲット-受信者既知の参照を復元する。 WiSig ManyTxデータセットでは、CRODA-STが既知のクラス精度、受信動作特性曲線(AUROC)以下の0.9692領域、オープンセット分類率(OSCR)0.9580、偽陽性率0.0469を90%真正レート(FPR90)で達成している。
論文参考訳（メタデータ） (2026-06-30T03:56:42Z)
Fingerprint Recognition of Partial Discharge Signals in Deep Learning Enhanced Rydberg Atomic Sensors [42.41909362660158]
我々は、部分放電の時間領域応答を直接捉えるために、Rydberg原子センサーを使用している。 1D ResNet深層学習モデルを適用して,手動の機能工学を使わずに,これらの指紋を時間領域信号から認識する。我々は,ノイズと混合した部分放電信号を解析し,モデルが予測アラームを生成できるシミュレーション早期警戒シナリオにおけるアプローチの有効性を検証した。
論文参考訳（メタデータ） (2026-03-03T12:31:18Z)
Transmitter Identification via Volterra Series Based Radio Frequency Fingerprint [3.7848713545513317]
RFF(Radio Frequency Fingerprinting)は、暗号を必要とせず、偽造に抵抗するため、有望な解決策を提供する。既存のRFFアプローチは、しばしば統一理論と効果的な特徴抽出を欠いている。本研究では,送信機をブラックボックスとしてモデル化し,送信信号への影響を分析する。パブリックなLoRaデータセットの実験では、静的チャネルでは98%以上の精度で、マルチパスとドップラー効果下で90%以上の精度で、最先端のパフォーマンスを示している。
論文参考訳（メタデータ） (2025-10-22T10:11:41Z)
Enhancing Wireless Device Identification through RF Fingerprinting: Leveraging Transient Energy Spectrum Analysis [3.767875797012388]
我々はCNN-Bi-GRUと呼ばれるハイブリッドディープラーニングモデルを導入し、その過渡特性に基づいてRFデバイスの識別を学習する。提案手法は、99.33%の精度、99.53%のリコール、99.43%のF1スコア、99.17%の分類精度で10倍のクロスバリデーション性能を提供する。
論文参考訳（メタデータ） (2025-06-20T19:18:30Z)
Understanding Dataset Distillation via Spectral Filtering [69.07076441512612]
多様なDD目標を統一するスペクトルフィルタリングフレームワークであるUniDDを紹介する。 UniDDは、DDの本質が基本的に周波数固有の特徴に合致していることを明らかにする。この制限に対処するため,低周波情報と高周波情報の両方をカバーするためにフィルタパラメータを徐々に調整するCFM(Curriculum Frequency Matching)を提案する。
論文参考訳（メタデータ） (2025-03-03T06:22:34Z)
Joint Attention-Guided Feature Fusion Network for Saliency Detection of Surface Defects [69.39099029406248]
本稿では,エンコーダ・デコーダネットワークに基づく表面欠陥検出のための共同注意誘導型特徴融合ネットワーク(JAFFNet)を提案する。 JAFFNetは、主にJAFFモジュールをデコードステージに組み込んで、低レベルと高レベルの機能を適応的に融合させる。 SD- Saliency-900, Magnetic tile, and DAGM 2007 で行った実験から,本手法が他の最先端手法と比較して有望な性能を達成できたことが示唆された。
論文参考訳（メタデータ） (2024-02-05T08:10:16Z)
Disentangled Representation Learning for RF Fingerprint Extraction under Unknown Channel Statistics [77.13542705329328]
本稿では,まず,不整合表現学習(DRL)の枠組みを提案し,入力信号を逆学習によりデバイス関連成分とデバイス関連成分に分解する。提案フレームワークにおける暗黙的なデータ拡張は、デバイス非関連チャネル統計の過度な適合を避けるために、RFF抽出器に正規化を課す。実験により、DR-RFFと呼ばれる提案手法は、未知の複雑な伝播環境に対する一般化可能性の観点から従来の手法よりも優れていることが示された。
論文参考訳（メタデータ） (2022-08-04T15:46:48Z)
Raw Waveform Encoder with Multi-Scale Globally Attentive Locally Recurrent Networks for End-to-End Speech Recognition [45.858039215825656]
本稿では,グローバルな注意的局所再帰(GALR)ネットワークを採用し,生波形を直接入力とする新しいエンコーダを提案する。ベンチマークデータセットAISHELL-2と,5,000時間21,000時間の大規模マンダリン音声コーパスを用いて実験を行った。
論文参考訳（メタデータ） (2021-06-08T12:12:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。